加州大学戴维斯心灵研究所的研究人员利用机器学习识别了几种与自闭症的诊断和严重程度高度相关的母体自身抗体模式。1这项研究的重点是母亲自身抗体相关的自闭症谱系障碍(MAR-ASD),这种疾病约占所有自闭症病例的20%。

“这项研究的意义是巨大的,”Judy Van de Water博士说,他是加州大学戴维斯分校的风湿病、过敏和临床免疫学教授,也是这项研究的主要作者。“这是机器学习首次被用于100%准确地识别ASD特异性模式作为ASD风险的潜在生物标记。”

自身抗体是攻击人体自身组织的免疫蛋白质。此前,范德沃特发现,怀孕母亲的自身抗体可以与她成长中的胎儿大脑发生反应,并改变其发育。2

机器学习可以识别出自闭症的可能性和严重程度

研究小组从参加儿童孤独症风险研究的母亲身上获取了血浆样本,这些样本来自遗传和环境(充电)学习。他们分析了450名自闭症儿童的母亲和342名发育正常儿童的母亲的样本,同样来自CHARGE,以检测胎儿大脑中丰富的8种不同蛋白质的反应性。然后,他们使用机器学习算法来确定哪些自身抗体模式与ASD的诊断有特异性联系。

研究人员创建并验证了一项测试,以确定自闭症特异性母体自身抗体模式的反应八种蛋白质在发展中的大脑高度表达。

范德沃特说:“这项特殊研究的重要意义在于,我们为将来的临床应用创造了一种新的、非常可翻译的测试方法。”。这种简单的孕妇血液检测使用了ELISA[酶联免疫吸附试验]平台,非常快速和准确。

机器学习程序检查了大约10000个模式,并确定了与MAR-ASD相关的三个主要模式:CRMP1+GDA、CRMP1+CRMP2和NSE+STIP1。

“例如,如果母亲有抗CRIMP1和GDA(最常见的模式)的自身抗体,那么根据目前的数据,她生孩子患自闭症的几率是普通人群的31倍。这是巨大的,”范德沃特说。“几乎没有什么能给你提供这种类型的风险评估。”

研究人员还发现,对CRMP1的任何一种顶级模式的反应都会显著增加儿童患上更严重孤独症的几率。

未来影响

vandewater指出,有了这些母体生物标记物,就有可能对MAR自闭症进行早期诊断和更有效的行为干预。这项研究为更多关于潜在先入为主测试的研究打开了大门,特别是对35岁以上的高危妇女或已经生过自闭症孩子的妇女。

“我们可以设想,一名妇女在怀孕前可以进行血液检测,以检测这些抗体。范德沃特说:“如果她有自闭症的话,她就会知道自己有很高的患自闭症的风险。”。“如果没有,她生孩子患孤独症的几率要低43%,因为排除了孤独症。”

范德沃特目前正在利用动物模型研究母体自身抗体的病理效应。范德沃特说:“我们还将利用这些动物模型来开发治疗策略,以阻断来自胎儿的母体自身抗体。”。“这项研究对于自闭症的早期风险评估意义重大,我们希望这项技术将来能成为临床上有用的东西。”

参考

1Ramirez Celis A,Brecker M,Nuño M,Schauer J,Aghaeepour N,Van de Water J.母亲自身抗体相关孤独症(MAR-ASD)的风险评估分析:孤独症的一个亚型。精神科。电子出版。2021年1月22日。内政部:10.1038/s41380-020-00998-8。

2Jones KL,Van de Water J.母亲自身抗体相关自闭症:机制和途径。精神科。2019;24(2):252-265. 内政部:10.1038/s41380-018-0099-0.

三。加州大学戴维斯分校。负责。网址:http://beincharge.ucdavis.edu/index.php.